聚類分析的現(xiàn)狀與前景研究

聚類分析簡要介紹聚類分析是研究如何將樣品或變量進行分類的一種方法（將一些觀察對象依據(jù)某些微量特征加以歸類）。主要應(yīng)用于探索性的研究，其分析的結(jié)果可以提供多個可能的解，選擇最終的解需要研究者的主觀判斷和后續(xù)的分析。分類：系統(tǒng)聚類：用于對小樣本的樣品間聚類以及對變量聚類。動態(tài)聚類：適用于樣本量較大時樣品間的聚類，常用k-means法處理。有序樣品聚類：對有排列次序的樣本的樣品間聚類，要求必須是次序相鄰的樣品才能聚成一類。房價問題2004年全國37大城市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報的相關(guān)數(shù)據(jù)分別從國內(nèi)生產(chǎn)總值(GDP)、居民家庭人均可、支配收入、房價收入比、人均GDP這四個維度對全國37大城市的房價問題進行聚類分析房價收入比

房價收入比：是指居住單元的中等自由市場價格與中等家庭年收入之比。

例如一套售價為49萬元的房子對于一個年收入7萬元的家庭，其比值便為7:1->消費群體聚類分析在銀行客戶細分領(lǐng)域中的應(yīng)用：所用變量：序號變量1客戶年齡2發(fā)卡日期3支付寶交易金額4貸款數(shù)量5一段時間內(nèi)的交易次數(shù)6一段時間內(nèi)交易最大金額7一段時間內(nèi)平均交易金額8一段時間內(nèi)交易后余額特征向量客戶年齡發(fā)卡日期支付寶交易金額貸款數(shù)量一段時間內(nèi)的交易次數(shù)一段時間內(nèi)交易最大金額一段時間內(nèi)平均交易金額一段時間內(nèi)交易后余額第一類3819976012315030209490821149968808第二類3919974799174201245464551025964485第三類42199741518244926639141906463558結(jié)果：前景與優(yōu)缺點高維聚類分析已成為聚類分析的一個重要研究方向。同時高維數(shù)據(jù)聚類也是聚類技術(shù)的難點。隨著技術(shù)的進步使得數(shù)據(jù)收集變得越來越容易，導(dǎo)致數(shù)據(jù)庫規(guī)模越來越大、復(fù)雜性越來越高，如各種類型的貿(mào)易交易數(shù)據(jù)、Web文檔、基因表達數(shù)據(jù)等，它們的維度（屬性）通?？梢赃_到成百上千維，甚至更高。但是，受“維度效應(yīng)”的影響，許多在低維數(shù)據(jù)空間表現(xiàn)良好的聚類方法運用在高維空間上往往無法獲得好的聚類效果。高維數(shù)據(jù)聚類分析是聚類分析中一個非常活躍的領(lǐng)域，同時它也是一個具有挑戰(zhàn)性的工作。目前，高維數(shù)據(jù)聚類分析在市場分析、信息安全、金融、娛樂、反恐等方面都有很廣泛的應(yīng)用。

聚類分析本身也存在著一些不足，比如快速聚類雖然速度快，但是其分類指標要求是定距變量，而實際研究中，有很多的定類變量，如性別、學(xué)歷、職業(yè)、重復(fù)購買的可能性等多個與研究目的緊密相關(guān)的指標無法直接參與運算，而大大限制了它的使用范圍。聚類分析通常不能單獨的應(yīng)用解決一些問題，需要和其他方法一起結(jié)合使用才能使分析更全面、科學(xué)。并且在聚類分析過程中，針對具體情況分為幾類比較合適，有的軟件沒有提供具體的操作，有時需要驗證。例如用相關(guān)系數(shù)法進行聚類分析和指